生成系AIの実応用に向けて

LINE株式会社 Data Scienceセンター AI Dev室 室長 井尻善久

※画像センシング展2023
イメージセンシングセミナー：特別招待講演＜ジェネレーティブAI・応用課題＞
での発表資料です
https://www.adcom-media.co.jp/seminar/2023SS/session/I-371.html

Transcript

1. :PTIJIJTB
   *+*3* ੜ੒"*ͷ࣮༻ʹ޲͚ͯ "*
   EFW$7-
   EJSFDUPS -*/&
   $PSQPSBUJPO
2. :PTIJIJTB
   *KJSJ
   1I% -*/&גࣜձࣾ σʔλαΠΤϯεηϯλʔ "*
   %FWࣨ ࣨ௕ɺ$7-Ϛωʔδϟʔ > ઐ໳ɿίϯϐϡʔλϏδϣϯɾϩϘςΟΫεɺͦΕΒΛࢧ͑Δػցֶश > झຯɿ > 0VUEPPS
   ొࢁɾεΩʔɾୌ८ΓɾࣸਅࡱӨɾόΠΫτϥΠΞϧɾɾɾ > *OEPPS
   ϐΞϊԋ૗ɾྺ࢙ɾᗉ੡ɾίʔώʔᖿઝɾञΛᅂΉ > ೥ΦϜϩϯೖࣾ > 
   إͷݕग़ೝࣝͷσδΧϝɾܞଳి࿩ɺ؂ࢹΧϝϥԠ༻ > 
   ෺ମݕग़ɾŤŞƄŸƃũŖŢŔƃɾ0$3ͷ'"޲͚঎඼Խ > 
   ͠ͳ΍͔ͳ੍ޚΛ࣮ݱ͢Δࣗ཯ιϑτϩϘοτݚڀਪਐ > 
   Ϧαʔνϕϯνϟʔ্ཱͪ͛ 0.30/
   4*/*$
   9 > ೥-*/&ೖࣾ > $PNQVUFS
   7JTJPO
   -BCͷ্ཱͪ͛ɺ"*։ൃࣨͷ૊৫Խ
3. ຊ೔ͷߨԋͷ಺༰ • ੜ੒"*ͱͦͷՄೳੑ • -*/&Ͱͷ"* • ͜Ε͔Βͷ"*ͱͦΕʹΑΓݟ͑ͯ͘ΔՄೳੑ
4. ຊ೔ͷߨԋͷ಺༰ • ੜ੒"*ͱͦͷՄೳੑ • -*/&Ͱͷ"* • ͜Ε͔Βͷ"*ͱͦΕʹΑΓݟ͑ͯ͘ΔՄೳੑ
5. ʮਪ࿦ʯͷࣗಈԽͷਐల  ػցֶशϕʔε `T ϧʔϧϕʔε ؍࡯΍஌ݟΛݩʹ ౷ܭϞσϧߏங σʔλ͔Β ༧ଌϞσϧΛ௚઀ֶश ը૾ɾݴޠͳͲ ଟ࣍ݩσʔλΛѻ͍ͮΒ͘௿ਫ਼౓ ղऍੑɾઆ໌ੑ͕௿͘ ܭࢉ͕๲େ ղऍੑɾઆ໌ੑ͕ߴ͘ ܭࢉ΋গͳΊ ը૾ɾݴޠͳͲ ଟ࣍ݩσʔλ͕ѻ͑ߴਫ਼౓ *GUIFOϧʔϧ ϕΠζ౷ܭ χϡʔϥϧωοτϫʔΫ ಛ௃ ܽ఺ ར఺ ୅දख๏ WT
6. "*
   ֵ໋ɿػց͕ʮਪ࿦ʯͰਓΛ௒͑Δ࣌୅ $IBU(15 ήʔϜʢғޟʣͷੈքͰ ਓΛ௒͑ͨʂ ʮݴޠʯʮࢥߟʯͳͲʮੜ੒ʯͰ ਓΛ௒͑ͭͭ͋Δʁ ๲େͳعේσʔλͰֶश 8FC্ͷ๲େͳ஌ࣝ ίϯϐϡʔλಉ࢜Ͱରઓ͠ ࣗ཯ֶश ਓͷϑΟʔυόοΫͰֶश "MQIB(P ܭࢉػਐԽ
7. ͩΕ΋ѻ͑Δʮݴޠʯʮը૾ʯΛೖྗ͠ ͩΕ΋͕Θ͔Δʮݴޠʯ΍ʮը૾ʯɾʮԻ੠ʯͱ͍͏ܗͰग़ྗͰ͖Δ "* ੜ੒"*
   ͱ͸ʁ 7 "* ਓ͕͍ͯ͠Δ࡞ۀʹ ͍͍ۙͮͯΔ
8. ͩΕ΋ѻ͑Δʮݴޠʯʮը૾ʯΛೖྗ͠ ೝࣝ݁Ռɾ൑ఆ݁ՌΛग़ྗ ैདྷͷ"* 8 "* ਓ͕͍ͯ͠Δ࡞ۀʹ ͍͍ۙͮͯΔ :FT/P.BZCF ΫϥεϥϕϧͳͲ جຊతʹ࣍ݩͷग़ྗ
9. ドメインを選ばない⼤量データで学習させた多⽬的なモデル ⽣成AIを可能とする基盤モデル υ ϝ Π ϯ λεΫ λεΫಛԽܕ"* λεΫಛԽܕ"* ج൫Ϟσϧ
10. ج൫Ϟσϧʢ'PVOEBUJPO
    NPEFMʣʹΑΔ൚༻Խ XFC ,OPX MFEHF CBTF 1VSDIBTF SFDPSE 1VSDIBTF SFDPSE 5SBOT BDUJPO SFDPSE 4QFFDI EPDT "E CBOOFS 4UJDLFS 4FBSDI 2" 4IPQQJOH FYQFSJFODF DIBUCPU $POW X
    TUJDLFST 4$. %JBMPHVF 0$3 "E PQUJNJ[F ʜ ʜ 4FBSDI NPEFM 2" NPEFM 3FDPN .PEFM %JBMPHVF .PEFM %FNBOE 1SFE NPEFM 4QFFDI 3FDPH NPEFM 0$3 NPEFM &GGFDU
    1SFE NPEFM 4UJDLFS 3FDPN NPEFM ʜ ϚϧνυϝΠϯσʔλ 4FBSDI 2" ʜ 0$3 "E PQUJNJ[F ʜ 0OF
    NPEFM 'PVOEBUJPO
    NPEFM ೖ ྗ ޙ ஈ λ ε Ϋ ॲ ཧ ैདྷ λεΫຖʹϞσϧߏஙɺܾΊͨλεΫͷΈʹར༻ ج൫Ϟσϧ υϝΠϯλεΫʹґଘͤͣ࢖͑Δ ͭͷٕज़ֵ৽
11. ୯७ʹ"UUFOUJPO ''/ϨΠϠʔΛॏͶΔ͚ͩͰਫ਼౓্͕͕Δʂ ͦΕ·Ͱ͸3//΍-45.ͳͲͰ૚͝ͱʹ޻෉͕ඞཁ ̍ͭ໨ͷٕज़ֵ৽ɿߏ଄ͷ୯७Խʢ5SBOTGPSNFSʢʣʣ Ϟσϧߏ଄ΤϯδχΞϦϯάͰͷ ࠩҟԽͷऴᖼʁ ͨͩ͠ɺ·ͩγϯάϧλεΫϞσϧ ·ͩ·ͩ൚༻Խ͕ඞཁͳঢ়گͩͬͨ ൚༻Խʹ޲͚ͯͷ՝୊͸ ֶश͢Δσʔλྔ ʴ ͦͷͨΊͷΞϊςʔγϣϯ
12. ̎ͭ໨ͷٕज़ֵ৽ɿڭࢣͳ͠ࣄલֶश #&35
    (15
     Inclusive multi-modal data Search QA … OCR Ad optimize … Pre-trained model Small data Fine tuning GT XFC ,OPX MFEHF CBTF 1VSDIBTF SFDPSE 1VSDIBTF SFDPSE 5SBOT BDUJPO SFDPSE 4QFFDI EPDT "E CBOOFS 4UJDLFS 4FBSDI 2" 4IPQQJOH FYQFSJFODF DIBUCPU $POW X
    TUJDLFST 4$. %JBMPHVF 0$3 "E PQUJNJ[F ʜ ʜ 4FBSDI NPEFM 2" NPEFM 3FDPN .PEFM %JBMPHVF .PEFM %FNBOE 1SFE NPEFM 4QFFDI 3FDPH NPEFM 0$3 NPEFM &GGFDU
    1SFE NPEFM 4UJDLFS 3FDPN NPEFM ʜ ೖ ྗ ޙ ஈ λ ε Ϋ ॲ ཧ ैདྷ ैདྷ͸λεΫ͝ͱʹೖྗͱਖ਼ղ͕ඞཁ ڭࢣͳ͠ࣄલֶश ਖ਼ղ͕ཁΒͳֶ͍शํ๏
13. ݀ຒΊ໰୊ͱ઀ଓ໰୊Λɺʢ΄΅ʣແݶʹ࡞Γग़͠ɺֶशͤ͞Δʢࣗݾڭࢣֶशʣ #&35ͰఏҊ͞Εͨɺڭࢣͳ͠ࣄલֶशͷΠϝʔδ ੨ۭจݿʮۜՏమಓͷ໷ʯΑΓ
14. ハハ 積もれば 価格 が ⼭となる 塵も積もれば ⽂脈 次に来る⾔葉 ? ⾔語モデルとは、与えられた⽂章の次に来る⾔葉を当てるよう学習させたAIモデル その性能を最⼤限引き出すため、モデルサイズ（パラメータ）を１０億以上に拡⼤ #&35ͰఏҊ͞Εͨɺڭࢣͳ͠ࣄલֶशͷΠϝʔδ ͜ΕΛݴޠੜ੒ʹԠ༻͢Δͱɾɾɾʢ(15ʣ
15. 4DBMJOH
    -BXT
    <,BQMBO
    BS9JW >
    ʹΑΕ͹ɺσʔληοτ΍ύϥϝʔλΛେ͖͘͢Ε͹ͲΜͲΜਫ਼౓͕ྑ͘ͳΔʂ εέʔϦϯά๏ଇ Kaplan+, Scaling Laws for Neural Language Models, arXiv 2020より抜粋
16. େن໛ݴޠϞσϧͷ։ൃڝ૪ ։ൃݩ ΞϧΰϦζϜ ύϥϝʔλ਺ ݴޠ 0QFO"* (15
    3BEGPSE
     . &OHMJTI (15 3BEGPSE
     # &OHMJTI (15
    #SPXO
     # &OHMJTI (PPHMF #&35
    %FWMJO
     # &OHMJTI
    NBOZ
    +1
    WBSJBOUT
    BWBJMBCMF 5
    3BGGFM
    
    9VF
     # &OHMJTI 4XJUDI5SBOTGPSNFS 'FEVT
     # 
    MBOHVBHFT 1B-.  .JDSPTPGU .5/-(  # &OHMJTI -*/& )ZQFS$-07" ,JN
     d#
    # +BQBOFTF /"7&3 )ZQFS$-07" ,JN
     d#
    # ,PSFBO .FUB 015 # &OHMJTI
17. ̎ͭ໨ͷٕज़ֵ৽ɿڭࢣͳ͠ࣄલֶश #&35
    (15
     Inclusive multi-modal data Search QA … OCR Ad optimize … Pre-trained model Small data Fine tuning GT ڭࢣͳ͠ࣄલֶश ਖ਼ղ͕ཁΒͳֶ͍शํ๏ λεΫదԠͷͨΊͷ ϑΝΠϯνϡʔχϯά͕ඞཁ
18. େن໛ͳࣄલֶशϞσϧʹλεΫࢦࣔ͢Δ͜ͱͰɺଟ͘ͷλεΫΛ௥Ճֶशͳ࣮͘ݱͰ͖Δ͜ͱ͕ൃݟ͞Εͨʂ ̏ͭ໨ͷٕज़ֵ৽ɿϓϩϯϓςΟϯά (15
     ೖ ྗ ޙ ஈ λ ε Ϋ ॲ ཧ *ODMVTJWF
    NVMUJNPEBM
    EBUB 4FBSDI 2" ʜ 0$3 "E PQUJNJ[F ʜ 1SFUSBJOFE 'PVOEBUJPO
    NPEFM 'FXTIPU
    QSPNQU
    GPS
    UBTL
    TQFDJGJDBUJPO *ODMVTJWF NVMUJNPEBM
    EBUB 4FBSDI 2" ʜ 0$3 "E PQUJNJ[F ʜ 1SFUSBJOFE NPEFM 4NBMM
    EBUB 'JOF UVOJOH (5 ैདྷ λεΫ͝ͱͷϑΝΠϯνϡʔχϯά͕ඞཁ ϓϩϯϓςΟϯά λεΫࢦࣔͰԿͰ΋Ͱ͖Δʂ
19. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065 λεΫ એݴ
20. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065 ྫ
21. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065 ྫ
22. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065 ຊ୊
23. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065
    ീ݄ͷ೤͍࠭ͷத΁खΛೖΕΔ
24. ϓϩϯϓςΟϯάͷ6* ղઆ͔Βആ۟Λੜ੒͠·͢ɻ */
    ͕֝ݹ͍஑ʹඈͼࠐΜͩ࣌ͷԻͷ༷ࢠΛӵΜͩ۟Ͱ͢ɻ͕֝஑ʹඈͼࠐΉԻΛදݱͨ͠୯७ͳ۟ Ͱ͸͋Γ·͕͢ɺपғͷ੩ऐ΍ऐΕͨݹ஑ͷ༷ࢠɺ͕֝஑ʹඈͼࠐΉੜͷ༂ಈͷΑ͏ͳ৘ܠ͕·͟ ·͟ͱ఻Θͬͯ͘Δɺझͷ͋Δ۟ͱͳ͍ͬͯ·͢ɻ͜ͷ۟ͷقޠ͸ʰ֝ʱͰɺ͜Ε͸य़Λදݱͯ͠ ͍ΔقޠͰ͢ɻ 065
    ݹ஑΍֝ඈ͜Ήਫͷ͓ͱ */
    ࢁܗݝʹ͋ΔཱੴࣉʢΓͬ͠Ό͘͡ʣͰηϛ͕໐͍͍ͯΔ༷ࢠΛӵ·Εͨ۟Ͱ͢ɻ͜ͷ۟͸໌֬ ͳ۟༁͸Θ͔͍ͬͯͳ͍ͷͰɺগ͠ϛεςϦΞεͰӵΈղ͘͜ͱʹϩϚϯ͕͋Δആ۟Ͱ͢ɻʮؓ ͞ʯͱʮઊͷ੠ʯͱ͍͏Ұݟໃ६͢Δදݱͷҙਤ͕ಛʹߟ͑ͤ͞ΒΕ·͢Ͷɻ 065
    ؓ͞΍ؠʹ͠Έೖઊͷ੠ */
    ݄຤ͷॵ͍೔ͷޕޙͷձٞʹͱͯ΋૖େͳγεςϜ։ൃͷ࿩Λ͠Α͏ͱ͍ͯ͠Δ༷ࢠΛӵ·Ε ͨ۟Ͱ͢ɻ୯७ͳ۟Ͱ͸͋Γ·͕͢ɺαϥϦʔϚϯͳΤϯδχΞ͕༷ʑͳݒ೦͕͋ΔதͰɺͦΕͰ ΋͜ͷٕज़Λܗʹ͢Δ͜ͱͰਓ޻஌ೳٕज़ͷະདྷΛ։͖͍ͨͱ͍͏ر๬Λ͜Ίͨؾ࣋ͪΛදݱͯ͠ ͍Δɻ 065༦ম΍ϓϩδΣΫτԌ্ͤΓ
25. ϓϩϯϓςΟϯάʹΑΔ঎඼આ໌จͷੜ੒
26. %#ͷεέʔϧ֦ு΋ॏཁ͕ͩɺਓͷհࡏ΋ॏཁͰ͋Δ͜ͱ͕ঃʑʹ൑໌ "*Λ͞ΒʹҭͯΔʂ 26 5-
    %3
    EBUBTFU
     SFEEJUDPNΑΓసࡌ .BTLFE
    MBOHVBHF
    NPEFMMJOH
    
27. ࣌୅ʹٯߦ͢ΔΑ͏͕ͩɺڭࢣ͋ΓֶशΛ࢖ͬͯϑΝΠϯνϡʔχϯά͢Δ "*ΛҭͯΔ  'JOFUVOFE
    MBOHVBHF
    NPEFMT
    BSF
    [FSPTIPU
    MFBSOFST
    <8FJ
    *$-3>ΑΓసࡌ
28. Ұ෦ͷύϥϝʔλͷΈϑΝΠϯνϡʔχϯά "*ΛҭͯΔ 28 -P3"
    5SBOTGPSNFSͷ֤ϨΠϠʹ͓͍ͯɺ"EBQUPS
    NPEVMF ΛCZQBTTͤ͞ɺͦΕΛUVOJOH͢Δ͜ͱͰগ਺σʔλͰ΋աద ߹ͳ͘ɺ͔ͭޮ཰Α͘దԠͤ͞ΒΕΔख๏ )V
    -03"
    -083"/,
    "%"15"5*0/
    0'
    -"3(&
    -"/(6"(& .0%&-4
    *$-3
    ΑΓసࡌ
29. ਓͷհࡏΛ͏·͘׆༻Ͱ͖ΔֶशΞϧΰϦζϜͱͯ͠ͷ3- "*ΛҭͯΔ • ใुؔ਺Λਓͷ؆୯ͳϑΟʔυόοΫʹ ج͍ͮͯϑΟοςΟϯά • ݁Ռతʹେྔͷσʔλʹεέʔϧͤ͞Δ ͜ͱ͕Մೳ • ͜ΕʹΑΓෳࡶͳใुؔ਺΋දݱͰ͖Δ • ใु੒ܗʢSFXBSE
    TIBQJOHʣͷҰͭͱߟ ͑ΒΕ͍ͯΔɻ • ౰࣌͸ɺ"$
    5310ͳͲͷڧԽֶशΛ༻ ͍ͯɺϩϘςΟΫεͱήʔϜͷλεΫʹ ׆༻  %FFQ
    SFJOGPSDFNFOU
    MFBSOJOH
    GSPN
    IVNBO
    QSFGFSFODFT
    <$ISJTUJBOP
    BS9JW>ΑΓసࡌ
30. *OTUSVDU(15 <0VZBO
    
    .BS> 5SBJOJOH
    MBOHVBHF
    NPEFMT
    UP
    GPMMPX
    JOTUSVDUJPOT
    XJUI
    IVNBO
    GFFECBDL
    <0VZBOH
    >ΑΓసࡌ
31. ͦΕͧΕͷεςοϓʹඞཁͳσʔλྔ *OTUSVDU(15 <0VZBO
    
    .BS> 31 4VQFSWJTFE
    GJOFUVOJOH 3FXBSE
    NPEFM 3-
    XJUI
    )VNBO
    'FFECBDL ,
    QSPNQUT IVNBO
    MBCFMFS ,
    QSPNQUT IVNBO
    MBCFMFS ,
    QSPNQUT
32. "#
    ςετܗࣜͰධՁͤ͞Δ͜ͱͰɺ3-)'༻ͷ৽ͨͳֶशσʔλΛूΊΔ )VNBO
    BOOPUBUJPOͷ6* 32
33. $IBU(15 ਓͷ໛ൣճ౴Λֶश͠ɺैདྷΑΓ΋๬·͍͠ճ౴͕Ͱ͖Δ 33 (15 検索 質問回答 … 推薦 対話 … Foundation model ؒҧͬͨ͜ͱΛ ಊʑͱ౴͑Δ ภݟ͕໰୊ൃݴ͕ ؚ·ΕΔճ౴Λ͢Δ $IBU(15 Tuned model ࣭໰ճ౴ ճ౴ධՁ ਓͷ࣭໰ճ౴΍ճ౴ධՁʹج͖ͮɺϞσϧΛ͞Βʹ܇࿅ ͢Δ͜ͱͰɺ๬·͍͠ճ౴ΛಘΒΕΔΑ͏ʹͨ͠ ճ౴ਫ਼౓͕޲্ ෆద੾ճ౴ͷ௿ݮ ݴ͍ճ͠ɾදݱͷվળ %FFQ
    TQFFE
    .JDSPTPGU
    ͳͲͰ࣮૷ɿ IUUQTXXXBYJPO[POFEFFQTQFFEFYUSFNFTDBMFNPEFMUSBJOJOHGPSFWFSZPOF
34. ࢹ֮৘ใͱݴޠ৘ใΛೖྗͱͯ͠ɺݴޠΛग़ྗɻਤදೖͷࢼݧ໰୊Ͱ΋ߴಘ఺Λ࣮ݱ (15
    $IBU(15 QMVT 34
35. ΞϝϦΧͷ༷ʑͳࢼݧͰɺਓؒͷ্Ґͷ੒੷Λ࢒͍ͯ͠Δ "*ͷ࣮ྗɿςΩετϕʔεͰ͸طʹਓؒΛ௒͑ͭͭ͋Δ 35        6OJGPSN
    #BS
    &YBN ౷Ұ࢘๏ࢼݧ 4"5
    3FBEJOH
    
    8SJUJOH େֶਐֶదੑࢼݧ ϦʔσΟϯά ˍϥΠςΟϯά 4"5
    .BUI େֶਐֶదੑࢼݧ ਺ֶ (3&
    2VBOUJUBUJWF େֶӃڞ௨ࢼݧ ਺ֶ (3&
    7FSCBM େֶӃڞ௨ࢼݧ ݴޠ QFSDFOUJMF
36. ਓؒͰ͸͙͢ʹ࡞Εͳ͍จষΛॻ͚Δ "*ͷ࣮ྗɿςΩετϕʔεͰ͸طʹਓؒΛ௒͑ͭͭ͋Δ
37. แׅతͳϞσϧͱͦΕʹΑΔଟ༷ͳʢແݶͷʁʣλεΫͷ࣮ݱɺ͜ΕʹΑΓਓΛ௒͑ΒΕ ΔՄೳੑ͕ग़͖ͯͨʂ ج൫Ϟσϧ͕ࣔࠦ͢Δ͜ͱ υ ϝ Π ϯ λεΫ λεΫಛԽܕ"* λεΫಛԽܕ"* ج൫Ϟσϧ ͜ ͷ ෯ ͕ ڭ ࢣ ͳ ͠ ࣄ લ ֶ श Ͱ Մ ೳ ʹ ϓϩϯϓςΟϯά ڭ ࢣ ͳ ͠ ࣄ લ ֶ श ࣗ ݾ ڭ ࢣ ֶ श
38. %"--&
    <3BNFTI
    BS9JW >
    $-*1
    <3BEGPSE
    BS9JW > ϚϧνϞʔμϧͳੜ੒ 38 3BEGPSE
    -FBSOJOH
    5SBOTGFSBCMF
    7JTVBM
    .PEFMT
    'SPN
    /BUVSBM
    -BOHVBHF
    4VQFSWJTJPO
    BS9JW  3BNFTI
    )JFSBSDIJDBM
    5FYU$POEJUJPOBM
    *NBHF
    (FOFSBUJPO
    XJUI
    $-*1
    -BUFOUT
    BS9JW 
    ΑΓసࡌ 画像と、テキストのエンコーディングの対から、対象学習を⾏うことで、双⽅の共通の埋め込み空間を学習
39. ௿࣍ݩۭؒͰ %JGGVTJPO
    NPEFMΛֶशਪ࿦͢Δ͜ͱͰɺলϦιʔε͔ͭߴ଎ͳֶशਪ࿦͕Մೳ 4UBCMF
    EJGGVTJPO
    <3PNCBDI
    
    "QS> 359
    (#ϏσΦϝϞϦʔ
    Ҏ্ఔ౓ͷ(16͕͋Ε͹ࣗ୐Ͱ΋ಈ͔͢͜ͱ͕Ͱ͖ΔΑ͏ʹ ͳͬͨ IUUQTBSYJWPSHBCTΑΓసࡌ ίʔυɿ IUUQTHJUIVCDPN$PNQ7JTTUBCMFEJGGVTJPO IUUQTIVHHJOHGBDFDPTQBDFTTUBCJMJUZBJTUBCMFEJGGVTJPO
40. ੜ੒͞ΕΔը૾͕ಉ͡ʹͳΔΑ͏ʹɺೖྗจࣈྻͷ&NCFEEJOHΛ࠷దԽ ৽ͨͳʮ࡞෩ʯΛ֮͑ͤ͞Δɿ5FYUVSBM
    JOWFSTJPO
    <(BM
    > (BM
    "O
    *NBHF
    JT8PSUI 0OF
    8PSE
    1FSTPOBMJ[JOH
    5FYUUP*NBHF
    (FOFSBUJPO
    VTJOH
    5FYUVBM
    *OWFSTJPO
    BS9JW ΑΓసࡌ
41. ͨͬͨ਺ຕͷը૾Ͱաద߹͢Δ͜ͱͳ͘ϑΝΠϯνϡʔχϯάɺࣗݾੜ੒ͨ͠αϯϓϧΛ༻͍Δ͜ͱ Ͱաֶशͱ֓೦γϑτΛ๷ࢭ ৽ͨͳର৅Λ֮͑ͤ͞Δɿ%SFBN#PPUI <3VJ[
    
    "VH> IUUQTBSYJWPSHBCT ΑΓసࡌ ίʔυɿ IUUQTHJUIVCDPNTNZESFBNCPPUIHVJ
42. গ਺ͷը૾Ͱաద߹͢Δ͜ͱͳ͘ϑΝΠϯνϡʔχϯά ͞·͟·ͳը૾ϓϩϯϓτͷ׆༻ɿ$POUSPM/FU
    <;IBOH
    > 42 基本的な考え⽅はLoRAなどに使われるAdaptorと同 じ考え⽅、0で初期化するZeroConvが特徴的 Zhang+, Adding Conditional Control to Text-to-Image Diffusion Models, arXiv, 2023より転載
43. 'MBNJOHP
    <"MBZSBD
    BS9JW > ϚϧνϞʔμϧ"*
    ʹ͓͚ΔϓϩϯϓςΟϯά "MBZSBD
    'MBNJOHP
    B
    7JTVBM
    -BOHVBHF
    .PEFM
    GPS
    'FX4IPU
    -FBSOJOH
    BS9JW 
    ը૾ɾςΩετͷฒͼ͔Βɺ࣍ͷฒͼΛ༧ଌ͢ΔֶशΛ ͓ͯ͘͜͠ͱͰ৽ͨͳೖྗʹର͢Δద੾ͳ౴͑Λਪ࿦
44. (BUP
    B
    HFOFSBMJTU
    BHFOU
    <3FFE
    BS9JW > ͞ΒʹϚϧνϞʔμϧʹɾɾɾ 44 3FFE
    "
    (FOFSBMJTU
    "HFOU
    BS9JW 
    ΑΓసࡌ ೚ҙͷλεΫʹ͓͚Δ؍ଌͱΞΫγϣϯͷܥྻΛਖ਼نԽ͠τʔΫϯԽͯ͠ɺݴޠͱಉ͡Α͏ʹ༩͑ɺ 5SBOTGPSNFSߏ଄ͷϞσϧʹ͓͍ͯɺ࣍ͷτʔΫϯΛ༧ଌ͢ΔΑ͏ֶश
45. ྫɿࣸਅͷͲ͕͓͔͍͔͜͠Λཧղ͠ݴޠԽ ը૾Λཧղɾղऍ͢ΔೳྗͰ΋ਓʹฒΜͩʁ 45
46. ྫɿྫྷଂݿͷத਎ͷࣸਅΛݩʹɺͦΕΒͰԿ͕࡞ΕΔ͔Λਪન ը૾Λཧղɾղऍ͢ΔೳྗͰ΋ਓʹฒΜͩʁ 46
47. 47 ྫɿςΩετͷࢦࣔΛཧղͯ͠ɺෳࡶͳΠϥετΛੜ੒
    -BTDPBJ ը૾Λඳ͘ೳྗͰ΋ਓʹฒΜͩʁ
48. ಛఆͷϞμϦςΟ͔ΒϚϧνϞʔμϧ΁ɻͦΕʹ൐͍ͲΜͳλεΫ͕ߟ͑ΒΕΔ͔ʁ ͲΜͲΜͱυϝΠϯͱλεΫ͸޿͕Δɾɾ λεΫ ϓϩϯϓςΟϯά ڭ ࢣ ͳ ͠ ࣄ લ ֶ श ࣗ ݾ ڭ ࢣ ֶ श υ ϝ Π ϯ ϚϧνϞʔμϧԽ Ϛ ϧ ν Ϟ ồ μ ϧ Խ
49. ൚༻ਓ޻஌ೳ "(*
    BSUJGJDJBM
    HFOFSBM
    JOUFMMJHFODF
    <(VCSVE
    > 49 "(* ਓؒϨϕϧͷ൚༻తͳ஌ೳ ঢ়گมԽʹରͯ͠ॊೈ /BSSPX
    "* ಛఆͷػೳɾঢ়گΛ૝ఆ͠ σʔλʹ࠷దԽͨ͠ػց ϓϩάϥϜͨ͠Ҏ্ͷ͜ͱ͕Ͱ͖Δɻ ಺ૠతʹߟ͍͑ͯΔ͕ɺͦͷൣғ͕ਓஐ Λ௒͍͑ͯΔ ڭ͑ͨ͜ͱ͔͠΍Βͳ͍ɻ ڭ͍͑ͯͳ͍͜ͱ͸Ͱ͖ͳ͍ɻ ਓͷΑ͏ʹҰͭͷ಄೴Ͱঢ়گʹ߹Θ͍ͤͯΖ͍Ζͳग़ྗ͕Մೳ
50. ੜ੒"*ͷ༻్Ձ஋͸ओʹछྨ 50 ޮ཰Խ ίϯςϯπੜ੒ ύʔιφϧԽ
51. ੜ੒ܕݕࡧɺݕࡧ݁ՌΛҰͭͣͭग़͢ͷͰ͸ͳ͘ɺ·ͱΊͨϨϙʔτΛදࣔ ৽ͨͳݕࡧύϥμΠϜ 51 .JDSPTPGU
    #JOH
    &EHF ੜ੒ܕݕࡧ ޮ཰Խ
52. $FSUBJOMZɿΧελϚʔαʔϏεͷࣗಈԽ ⼈⼒によるカスタマーサービスを代替 52 ޮ཰Խ
53. .JDSPTPGUɿϩϘοτͷ੍ޚίʔυ࡞੒ͷࣗಈԽ ςΩετͰࢦࣔΛग़ͤ͹ɺੜ੒"*͕ࣗಈͰίʔυʹม׵ 53 ޮ཰Խ
54. -*/&ɿ޿ࠂίϐʔ࡞੒ͷࣗಈԽ ਓྗ࡞ۀͷࣗಈԽʹΑΓੜ࢈ੑΛେ͖͘վળ 54 ίϯςϯπ ੜ੒
55. ը૾ʴΩϟονίϐʔʴϨΠΞ΢τͷੜ੒ʹΑΔ޿ࠂແݶੜ੒ ి௨ɿ޿ࠂੜ੒΁ͷԠ༻  Φ Ϧ Τ ϯ ೖ ྗ ి௨ใΑΓసࡌ IUUQTEFOUTVIPDPNBSUJDMFT ੜ ੒ ύ ϥ ϝ ồ λ ग़ ྗ Ϩ Π Ξ ΢ τ ੜ ੒ Ω Ỿ ỽ ν ੜ ੒ ը ૾ ੜ ੒ ޮ Ռ ༧ ଌ ίϯςϯπ ੜ੒
56. NJHOɿݐஙઃܭۀ຿ͷޮ཰Խ 56 キーワードや写真をインプット ⽣成AIがデザインイメージをアウトプット ίϯςϯπ ੜ੒ “リビング“ ＋
57. &YQFEJBɿཱྀఔܾఆΛαϙʔτ ཱྀߦʹؔ͢Δ࣭໰ʹ౴͑Δ͜ͱͰɺސ٬ຬ଍౓ͱച্Λ޲্ 57 ύʔιφϧԽ
58. ੜ੒"*ͷԠ༻Ωϟϯόε ΤϯλʔςΠϯϝϯ τ ϚʔέςΟϯά Πϯλʔωοτ ڭҭ ҩྍ෱ࢱ ϑΝογϣϯɾσβ Πϯ Ұൠۀ຿ ޮ ཰ Խ ৘ใݕࡧ ը૾ɾԻָݕࡧ ৘ใਪનɺ޿ࠂ഑৴ ݕࡧɺϨϙʔςΟϯ άɺཱྀߦܦ࿏ɾҿ৯ ళɾߪങఏҊ ڭࡐࢧԉɺ"*νϡʔ λʔͳͲ ݸਓϨϕϧͰͷॳظ ਍அࢧԉ ίʔσΟϯάࢧԉ ৘ใՃ޻ ฤۂɺ੾Γൈ͖ಈը ੜ੒ɺτϨΠϥʔੜ ੒ ৘ใΩϡϨʔγϣϯ จॻɾϝʔϧ౳࡞੒ ࢧԉɾਤද࡞੒ ίϛϡχέʔ γϣϯ ΧελϚʔαϙʔτɺ νϟοτϘοτ ձ࿩ࢧԉ จॻɾϝʔϧ౳࡞੒ ࢧԉ ΧελϚʔαϙʔτ ί ϯ ς ϯ π ੜ ੒ ίϯςϯπੜ੒ өըɾ57٭ຊੜ੒ɺ ಈըɾָۂੜ੒ɺ࡞ ࢺ࡞ۂࢧԉɺήʔϜ ΩϟϥΫλʔɾγφ ϦΦੜ੒ɺΞχϝੜ ੒ ঎඼ɾ޿ࠂจͷੜ੒ɺ ޿ࠂੜ੒αΠτ࡞੒ɺ ϒϩάɾ4/4هࣄੜ ੒ɺ αΠτੜ੒ɺϒϩ άɾ4/4هࣄੜ੒ɺ ֶशίϯςϯπੜ੒ σβΠϯҊੜ੒ɺ"* Ϟσϧੜ੒ Πϥετ࡞੒ɺϏδ ωεઓཱུҊɾΞΠ σΟΤʔγϣϯࢧԉɺ ύ ồ ι φ ϧ Խ ਪનɾ൑அࢧԉ ύʔιφϥΠζϓϨ ΠϦετ ޿ࠂ৹ࠪࣗಈԽ ޿ࠂޮՌ࠷దԽɿૌ ٻϙΠϯτɾλʔ ήοτ౳ೖΕΕ͹ɺ ഔମɾΫϦΤΠςΟ ϒؚΊਪન 5SJQΞγετɿཱྀఔ ߏஙˍ༧໿ ࠾఺ɾධՁࢧԉ ڭҭϓϩάϥϜߏ ஙɿڭࡐબఆɾ೉қ ౓બఆɾɾɾ ਍அࢧԉ ݈߁ɾάϧϝΞγε τɿݙཱˍ഑ୡ༧໿ɺ ӡಈϝχϡʔߏங όʔνϟϧτϥΠϯ Φϯɺίʔσਪન ཁ໿ɺςετࢧԉ ϨϙʔςΟϯά τϨϯυϨϙʔτ ·ͱΊهࣄੜ੒ ใࠂॻ࡞੒ࢧԉ ใࠂॻ࡞੒ࢧԉɺ࿦ จɾಛڐࣥචࢧԉ ੜ੒ܕݕࡧɿݕࡧ݁ Ռͷ·ͱΊ
59. ຊ೔ͷߨԋͷ಺༰ • ੜ੒"*ͱͦͷՄೳੑ • -*/&Ͱͷ"* • ͜Ε͔Βͷ"*ͱͦΕʹΑΓݟ͑ͯ͘ΔՄೳੑ
60. -*/&
    ʹ͓͚Δ"*ݚڀ /-1 "41 $7- 5SVTUXPSUIZ "* .VMUJNPEBM
    "*
61. 1VCMJDBUJPOT
    BU
    UIF
    UPQUJFS
    DPOGFSFODFT 3%
    BDDPNQMJTINFOUT ': $POGFSFODFT 
    
    *$"441
    
    */5&341&&$)
    
    8"41""
    
    #JH%BUB  
     *$"441
    
    &64*1$0
    
    */5&341&&$)
    
    %$"4&
    
    "14*1"
    
    $713
    
    51%1
    
    '-*$.-
    
    -%3$
     
     *$"441
    
    *$3"
    
    *6*
    
    *$%&
    
    *$$7
    
    "14*1" 
    */5&341&&$)
    
    *&&&
    54141-
     
     *$-3 
    *$"441
    
    */5&341&&$)
    
    4*(.0% 
    "14*1"
    
    *+$7 
    4-5
    
    7-%#
    
    #JH%BUB  
     8"$7 
    """*
    
    *$"441
    
    4-5 
62. -*/&
    "*
    ͷ
    3%
    7JTJPO $POTFSWBUJWF %JTSVQUJWF 5JNF     *OUFSBDUJWF
    WJSUVBM
    FYQFSJFODF "VUPOPNPVT
    "*
    XPSLGMPX %JHJUBM
    .F .F
    "7"5"3 %JHJUBM
    *EFOUJUZ #FUUFS
    $BSF 5SVTUXPSUIZ
    "* "*
    'BJSOFTT &YQMBJOBCMF
    "* %BSL
    %BUB 0NOJQPUFOU
    "* (JHBOUJD
    -BOHVBHF
    NPEFM 6OMBCFMFE
    %BUB %BUB
    .BSLFUQMBDF (FOFSBUJWF
    *OUFMMJHFODF /FX
    &EVDBUJPO %FQFOEBCMF
    455 1SJWBDZ
    QSFTFSWJOH 4FBN
    %JTDSJNJOBUPS -*/&ͷ࣋ͭଟ༷ͳ"*ཁૉٕज़Λجʹɺ෼໺ԣஅతͳٕज़Λ஫ྗٕज़ͱͯ͠શମײΛ࣋ͬͯݚڀ։ൃ͍ͯ͠·͢
63. 63 OPU
    POMZ
    $PHOJUJPO CVU $SFBUJWJUZ
    TVQQPSU
64. 世界でも⼤規模⾔語モデルの開発は限られ ⽇本ではHyperCLOVAが最⼤ ˞͜͜Ͱ͸#ఔ౓Ҏ্Λେن໛ͱදݱ Alibaba Tongyi Qianwen Cohere.ai Large LM DeepMind Gopher, Chinchilla, Flamingo Amazon Amazon Titan Baidu Ernie Bot Google T5, PaLM/PaLM-E, LaMDA/Bard MS-Nvidia Megatron-Turing NLG Anthropic Claude Kakaobrain koGPT3, Coyo LINE/WMJ HyperCLOVA NAVER HyperCLOVA OpenAI GPT/ChatGPT EleutherAI pythia Meta/Stanford/UCB OPT/LLaMA/Alpaca/Koala AI21 Labs Jurassic-1
65. จॻ࡞੒ࢧԉ ཁ݅ͷΈͷϝʔϧͰ࡞จ จॻߍਖ਼ɾ੔ܗɾλΠτϧੜ੒ σδλϧϚʔέςΟϯάࢧԉ Ωϟονίϐʔ࡞੒ࢧԉ େྔͷ঎඼ʹର͢Δ঎඼આ໌ ΧελϚέΞʔࢧԉ ސ٬Ұ࣍αϙʔτɾৼΓ෼͚ ίʔϧηϯλͷ͞ΒͳΔࣗಈԽ ৘ใऩूࢧԉ େྔͷσʔλʹج࣭ͮ͘໰ճ౴ จॻͷཁ໿ɾϨϙʔτੜ੒ݕࡧ ج൫Ϟσϧͷ׆༻ ͦͷଞ ίʔσΟϯάࢧԉɾจ๏νΣοΫɾ຋༁ɾɾɾ
66. -*/&ʹ͓͚Δج൫Ϟσϧߏங %FDPEFS
67. ޿ࠂΩϟονίϐʔੜ੒ ΩʔϫʔυೖྗͷΈͰɺ؆қʹΩϟονΛෳ਺ੜ੒
68. ୈ̑ճ ର࿩γεςϜ ϥΠϒίϯϖςΟγϣϯ オープントラック シチュエーショントラック IUUQTTJUFTHPPHMFDPNWJFXETMD&#&&$ BVUIVTFS
69. %JBMPHVF
    3PCPU
    $PNQFUJUJPO
     *304ͷXPSLTIPQͱͯ͠։࠵͞Εͨର࿩ϩϘοτνϟϨϯδ
70. 70 9"*
    1SJWBDZ
    DBSF UP $PMMBCPSBUJWF
    "* &UIJDBM'BJS
    "*
71. ج൫Ϟσϧʹ͓͚Δμ΢ϯαΠυݒ೦
72. "*ʹ͸ΨʔυϨʔϧ͕ඞཁ
73. /(ϫʔυʴ༗֐දݱ൑ఆ
74. )BMMVDJOBUJPOͷ௿ݮ
75. )BMMVDJOBUJPOͷ௿ݮ
76. 5SVTUXPSUIZ
    "*
    ʹ޲͚ͯ What is Trustworthy AI? Expert Quality Explainability Transparency Confidentiality Fairness Harmless Robustness Compliance Trustworthy AI
77. &UIJDT
    3BEBS
78. ʢࢀߟʣޮ཰తͳςετํ๏ ҰํͰɺݴޠϞσϧ͸ྙཧతʹ໰୊ͷ͋ΔൃݴΛ͢ΔةݥੑΛ࣋ͭ ԥΔͧʂ YYY!NBJMDPN ·Ͱ࿈བྷͯ͠Ͷɻ ߈ܸతൃݴ ࿈བྷ৘ใͷ๫࿐
79. ఏҊख๏ɿ*UFSBUJWF
    4UPDIBTUJD
    'FXTIPU
    (FOFSBUJPO 3FE
    -. 5BSHFU
    -. 3FE
    $MG ߈ܸ ग़ྗ ௨஌
80. ఏҊख๏ɿ*UFSBUJWF
    4UPDIBTUJD
    'FXTIPU
    (FOFSBUJPO 3FE
    -. UFTUDBTF
     UFTUDBTF
      -JTU
    PG
    RVFTUJPOT  \UFTUDBTF
    ^  
    
    ϓϩϯϓτ 5BSHFU
    -. 3FE
    $MG ؂ࢹ ຒࠐ ೖྗ ςετέʔε Ϩεϙϯε ௥Ճ ςετέʔεϦετ
81. 4BZVSJ • ୅ͷঁੑͷ੠ • গ͠໌Δ͘ɺਓؒΒ͍͠཈༲ %BJLJ • ୅ͷஉੑͷ੠ • མͪண͍ͨ੠ /BPNJ@# • /BPNJͷൃ࿩ελΠϧ֦ு • ঎඼΍ϨγϐͳͲΛ͓͢͢Ί͢Δςϯ γϣϯߴ͍ελΠϧ /BPNJ@" • ୅ͷঁੑͷ੠ • ໌Δ͞ͱམͪண͖ͷ͋Δ੠ • ਓؒΒ͍͠཈༲ 5PNPLP • ୅ͷঁੑͷ੠ • গ͠໌Δ͘ɺਓؒΒ͍͠཈༲ ଞʹ΋ੜ੒"*͍Ζ͍Ζ
82. $0OUSPMMBCMF
    )JHIRVBMJUZ
    "OE
    FYQ3FTT*WF
    554 ໌Δ͍ ҉͍ 😀 😄 🙂 😐 😢 😰 😥 ײ৘Λॊೈʹ੍ޚՄೳͳԻ੠߹੒Λ࣮ݱ ײ৘ͷ͜΋ͬͨԻ੠߹੒
84. -*/&
    "*
    ͷ
    3%
    7JTJPO $POTFSWBUJWF %JTSVQUJWF 5JNF     *OUFSBDUJWF
    WJSUVBM
    FYQFSJFODF "VUPOPNPVT
    "*
    XPSLGMPX %JHJUBM
    .F .F
    "7"5"3 %JHJUBM
    *EFOUJUZ #FUUFS
    $BSF 5SVTUXPSUIZ
    "* "*
    'BJSOFTT &YQMBJOBCMF
    "* %BSL
    %BUB 0NOJQPUFOU
    "* (JHBOUJD
    -BOHVBHF
    NPEFM 6OMBCFMFE
    %BUB %BUB
    .BSLFUQMBDF (FOFSBUJWF
    *OUFMMJHFODF /FX
    &EVDBUJPO %FQFOEBCMF
    455 1SJWBDZ
    QSFTFSWJOH 4FBN
    %JTDSJNJOBUPS -*/&ͷ࣋ͭଟ༷ͳ"*ཁૉٕज़Λجʹɺ෼໺ԣஅతͳٕज़Λ஫ྗٕज़ͱͯ͠શମײΛ࣋ͬͯݚڀ։ൃ͍ͯ͠·͢
85. ࠓ·Ͱ࣮ݱ͖ͯͨ͠ιϦϡʔγϣϯ ஫ʣݱࡏ͸ؔ࿈ձࣾͰ͋ΔϫʔΫεϞόΠϧδϟύϯࣾΑΓఏڙத
86. ຊ೔ͷߨԋͷ಺༰ • ੜ੒"*ͱͦͷՄೳੑ • -*/&Ͱͷ"* • ͜Ε͔Βͷ"*ͱͦΕʹΑΓݟ͑ͯ͘ΔՄೳੑ
87. ࢲ͕ߟ͑ͨάϥϯυνϟϨϯδ "*ͰղܾͰ͖͍ͯͳ͍໰୊ 87 • ίϯύΫτͳ൚༻ਓ޻஌ೳ • লΤωਪ࿦ɾলΤωֶशʢେن໛ͳܭࢉثΛඞཁͱ ͠ͳ͍ʣ • ώτͷ೴ͷΑ͏ͳػೳ෼ԽΛ࣮ݱ͢ΔͨΊͷҰൠత ͳख๏ • ϩδΧϧͳਪ࿦
    ࢉज़ԋࢉɾ࿦ཧԋࢉͳͲ • ϖϧιφɾݸੑɾҰ؏ੑɿֶशͱهԱͷ౷߹ʹؔ͢ ΔҰൠతͳख๏ • ໨త΍໨ඪΛ࡞Γग़͢ɺαϒΰʔϧઃఆͳͲ • ৽ͨͳυϝΠϯ΁ͷదԠʢ[FSPGFXTIPUʣ • Ԡ༻Ϩϕϧͷ՝୊ • "*ྙཧɾݖར໰୊ɾϋϧγωʔγϣϯ $IBU(15ͷߟ͑ΔάϥϯυνϟϨϯδ